Роль маммографии в радиомике рака молочной железы

Полный текст

РАК МОЛОЧНОЙ ЖЕЛЕЗЫ: АКТУАЛЬНОСТЬ, ХАРАКТЕРИСТИКА

Рак молочной железы (РМЖ) ― актуальная проблема современной онкологии, поскольку по частоте развития занимает первое место среди всех злокачественных новообразований у женщин [1]. За 2018 год в России заболеваемость РМЖ составила 89,8 случаев на 100 000 женского населения [1], за 2019 год выявлено 73 366 случаев РМЖ, из них доля пациентов с III и IV стадией составила 27,7% [2].

РМЖ ― гетерогенное заболевание, что подразумевает различие в типах морфологии опухоли и экспрессионных подтипах в зависимости от рецепторного статуса РМЖ [3, 4]. Рецепторный статус РМЖ включает экспрессию рецептора эстрогена (estrogen receptors, ER), рецептора прогестерона (progesterone receptors, PR) и рецептора эпидермального фактора роста, тип 2 (human epidermal growth factor receptor 2; HER2). Иммунохимическое окрашивание на маркер пролиферации Ki67 и рецептор эпидермального фактора роста (epidermal growth factor receptor, EGFR) также используются при определении молекулярного подтипа РМЖ [4].

Выделяют 5 молекулярных подтипов РМЖ:

Известно, что биология опухоли влияет на подбор терапии, а также на прогноз исхода: пациентки с ER+ и PR+ имеют более длительную безрецидивную выживаемость, в то время как тройной негативный РМЖ (ТНРМЖ) (ER-, PR-, HER2-) имеет наиболее агрессивное течение и наихудшие показатели выживаемости [3, 6]. Использование биологических маркеров для выявления подтипов РМЖ увеличивает выживаемость пациенток благодаря более точной диагностике заболевания. Например, пациентки с экспрессией ER и PR в опухоли должны получать эндокринную терапию; при экспрессии HER2 ― анти-HER2-терапию [7].

Внутриопухолевая гетерогенность ― неоднородность морфологического строения и вариабельность экспрессии различного рода маркеров отдельными группами клеток в пределах одной опухоли [8, 9]. Морфологическую внутриопухолевую гетерогенность можно описать как различие в разных областях опухоли, т.е. пространственную гетерогенность, или как прогрессирование опухоли во времени ― гетерогенность во времени [8]. Из-за такой неоднородности новообразований, а также из-за небольшого размера образца пункционной ткани биопсия не может отражать гистологическую картину опухоли в целом. По этой причине выбор подходящего лечения и определение прогноза становится затруднительным. Проведение биопсии также бывает затруднено при небольшом размере опухоли. В этом случае такой неинвазивный подход, как медицинская визуализация, даёт более полное представление об опухоли, перспективен при «виртуальной биопсии», а также в контроле прогрессирования заболевания и ответа на терапию [7, 10–12].

РАННЯЯ ДИАГНОСТИКА РАКА МОЛОЧНОЙ ЖЕЛЕЗЫ, ПРОГНОЗИРОВАНИЕ ИСХОДА ТЕРАПИИ

Эффективный метод снижения смертности пациенток ― выявление рака на ранних стадиях [13]. Маммография представляет собой пока единственный способ скрининга и диагностики РМЖ [10]. Хотя цифровая маммография служит основным методом для раннего выявления РМЖ, её эффективность в обнаружении находок ограничена: наблюдается более низкая чувствительность маммографии у пациенток с высокой плотностью молочных желёз (типы ACR-C и D по классификации американской коллегии радиологов (American College of Radiology (ACR)) [14], поскольку существует вероятность перекрытия на изображении патологического образования фиброгландулярными структурами [15, 16]. Несмотря на сниженную чувствительность у одной из групп пациенток, цифровая маммография на данный момент обладает наилучшим сочетанием чувствительности и специфичности при диагностике РМЖ, однако эти два показателя разнятся в пределах 75–90 и 80–90% соответственно в зависимости от страны [15]. В недавнем исследовании O. Demircioglu и соавт. [17] было показано, что интерпретация изображений низкого качества врачами-рентгенологами с небольшим опытом приводит к гипердиагностике и ненужным болезненным инвазивным процедурам примерно в половине клинических случаев [6, 15, 17].

Последние достижения в области технологий искусственного интеллекта (ИИ), применяемых для анализа изображений, перспективны для обнаружения опухолей и снижения нагрузки на врачей, оценки лечения и контроля прогрессирования заболевания [6]. Однако при РМЖ раннее определение прогноза заболевания и прогнозирование ответа на терапию ― центральные задачи клинической практики и исследований. С этой точки зрения открыты другие возможности ИИ с применением текстурного анализа для определения подтипа рака и прогнозирования ответа на лечение [6, 18, 19].

Анализ маммографических исследований включает в себя интерпретацию изображений врачом-рентгенологом с оценкой структуры опухоли, отношения её к окружающим тканям, особенностей расположения и строения микрокальцинатов. Для создания действительно персонализированной терапии также требуется количественная (объективная) оценка образования [6].

Внутриопухолевая гетерогенность имеет важное значение для точной диагностики, клинических прогнозов (ответ на лечение, выживаемость, прогрессирование заболевания и др.) и лечения онкологических заболеваний [20, 21]. Раннее обнаружение устойчивости опухоли к терапии имеет решающее значение для улучшения исходов, что позволяет вовремя изменить схему лечения [6].

Таким образом, существует необходимость в повышении эффективности выявления, прогнозирования исхода и ответа на лечение РМЖ. Особый набор методов, объединяемых в радиомику и радиогеномику, на данный момент набирает силу в качестве инструмента для максимизации информации, которая может быть извлечена практически из любой модальности цифровых медицинских изображений [15].

РАДИОМИКА И РАДИОГЕНОМИКА

Лучевые диагностические изображения содержат информацию, отражающую патофизиологические процессы, и эта взаимосвязь может быть выявлена с помощью количественного анализа изображений [22]. Иными словами, характеристики опухоли на клеточном и генетическом уровнях отражаются в фенотипических паттернах опухоли, которые могут проявляться и быть обнаружены на изображениях [23].

Радиомика ― процесс, состоящий из этапов подготовки и последующего количественного анализа многомерных данных, полученных из цифровых медицинских изображений (суффикс «омик» присутствует в названиях направлений молекулярной биологии, специализирующихся на больших объёмах данных [24]). Радиомика описывается как анализ изображений с использованием определённых алгоритмов, направленных на извлечение числовых характеристик изображений, с целью создания моделей классификации для усовершенствования поддержки принятия медицинских решений, а также для определения прогноза заболевания [25, 26] и лечения [27], что особенно ценно для персонализированной терапии. В радиомике одна область интереса изображения используется для получения множества (иногда десятков и сотен) числовых характеристик, каждое из которых может нести определённый теоретико-информационный аспект (часто называемый «радиомическим признаком»), который недоступен при обычном просмотре изображений [15]. Радиомика использует алгоритмы автоматического извлечения признаков текстуры цифровых медицинских изображений для преобразования данных медицинской визуализации в набор данных порядковой статистики [28]. Иными словами, радиомика с помощью текстурного анализа позволяет взглянуть на снимок как на группу числовых характеристик, выйти за пределы привычного зрительного восприятия и перейти к анализу многомерных данных.

Радиогеномика ― технология, устанавливающая связь между генотипом пациента и фенотипом визуализации. Необходимо отметить, что термин «радиогеномика» может также употребляться по отношению к генетической изменчивости и её связи с ответом на лучевую терапию [29, 30], но чаще используется при оценке взаимосвязи между характеристиками изображения опухоли или какого-то заболевания с его образцами экспрессии генов и мутациями генов [25, 26].

Метод радиогеномики даёт возможность определить экспрессию генов в опухоли исходя из её лучевого фенотипа. Это важно, поскольку опухоли гетерогенны, и радиомические данные извлекаются из области интереса (опухоли) целиком, а не из отдельного образца [22]. Радиогеномика также позволяет оценить ответ на лечение, основываясь не только на традиционном измерении размера опухоли в динамике [25]. Сочетание радиомики и радиогеномики приведёт к обнаружению генных нарушений по изображениям [6]. Радиомика и радиогеномика повышают точность клинического диагноза и имеют прогностическое значение за счёт выявления взаимосвязей между различными типами клинических данных [22].

ЭТАПЫ РАДИОМИКИ

Рассматривая радиомику как процесс, можно выделить несколько основных этапов: получение изображений; выделение области интереса; извлечение радиомических признаков из области интереса (текстурный анализ изображений); анализ текстурных признаков и построение различных моделей прогнозирования и классификации с использованием полученных радиомических данных с вариантом включения дополнительной информации (например, клинических, демографических или геномных данных; наличия коморбидных состояний) [22, 23, 31]. Этапы радиомики продемонстрированы на рис. 1, а более подробная их характеристика описана ниже.

1. Определение клинической проблемы и получение цифровых медицинских изображений, исключая исследования низкого качества.
2. Сегментация изображений до основных иссле- дуемых зон интереса [32], например до злокачественного новообразования для оценки его внутриопухолевой гетерогенности. Многие опухоли имеют нечёткие границы, что делает воспроизводимость их сегментации сложной задачей [33]. Предпочтительно использование полу- или полностью автоматического выделения области интереса при помощи специального программного обеспечения, однако в некоторых случаях требуется уточнение экспертов и выделение вручную [23, 34]. Процесс выбора области интереса не стандартизован, и область интереса может содержать как всю опухоль, так и некоторые её части [35, 36]. Определение области интереса вручную трудоёмко и вариативно по причине различия интерпретации изображений различными врачами-рентгенологами [33], что в итоге влияет на точность построенных радиомических моделей, однако современные технологии глубокого обучения с использованием больших данных способны минимизировать это влияние [37].
3. Извлечение множества радиомических признаков из сегментированной области интереса с помощью математических операций с цифровыми значениями интенсивностей и взаиморасположения пикселей или вокселей на изображениях. Извлечённые количественные признаки подразделяются на категории: морфологические (объём и форма), гистограммные признаки (описание интенсивности уровней серого тона) первого, второго и более высоких порядков [26, 34].

 

Рис. 1. На схеме продемонстрированы типичные этапы радиомики. После получения медицинских изображений (1) вручную или автоматическим путём проводится их сегментация (2). Радиомические признаки первого и более высоких порядков из- влекаются из сегментированных областей интереса с использованием специального программного обеспечения или модулей языков программирования (3). Далее выполняются анализ и отбор наиболее значимых из полученных текстурных признаков. На последнем этапе на основе проанализированных радиомических данных проводится построение различных клинико-диа- гностических моделей классификации или прогнозирования (4).

 

Морфологические признаки отражают форму области интереса. Для планарных изображений актуальны 2D-признаки формы, например отношение периметра к поверхности и округлость ― мера приближения формы области интереса к форме круга. Так, например, отношение поверхности к объёму у опухоли звёздчатой формы будет больше, чем у округлой [31].

Гистограммные признаки первого порядка [38] отражают распределение интенсивностей уровня серого для пикселей области интереса. Наиболее часто встречающиеся признаки этой категории ― среднее и медиана ― указывают на ширину диапазона интенсивностей; энтропия ― мера неравномерности распределения интенсивностей (более высокие значения соответствуют более гетерогенной области) [39]. Однако статистические признаки первого порядка не отражают пространственного расположения пикселей.

Гистограммные признаки второго порядка [38], иначе называемые текстурными признаками, отражают пространственное отношение между двумя соседними пикселями с одинаковым или же различным значением яркости. Наиболее часто применяемый метод для извлечения текстурных признаков основан на использовании матрицы совместной встречаемости уровней серого тона, иначе называемой матрицей совпадения уровня серого (gray level co-occurrence matrix, GLCM) ― это матрица, число строк и столбцов которой отражают значения уровня яркости серого; в ячейках матрицы отражается число раз, когда соответствующие значения серого находятся в определённой взаимосвязи (угол и расстояние между анализируемыми пикселями). Например, признаки, получаемые при использовании такой матрицы, включают энтропию второго порядка, указывающую на гетерогенность; энергию, описывающую гомогенность изображения; контрастность, определяющую локальное изменение интенсивностей [10]. В радиомике анализ текстуры предоставляет информацию о мере внутриопухолевой гетерогенности [22, 40].

 

Рис. 2. Сравнение гистограммных признаков первого и второго порядков. Две различные исходные области интереса сег- ментированного изображения (а) содержат одинаковое количество пикселей светло-серого, тёмно-серого и чёрного оттенков. Гистограммы яркости на основе количества пикселей определённых оттенков (гистограммные признаки первого порядка) одинаковы (b). Эти признаки не отражают взаиморасположения пикселей. Матрицы смежности (гистограммные признаки второго порядка) отражают гетерогенность изображений (с). В дальнейшем математическими алгоритмами из получен- ных гистограмм интенсивностей и матриц смежностей уровня серого рассчитывается множество радиомических признаков для анализа и моделирования.

 

На рис. 2 приведено сравнение гистограммных признаков первого и второго порядков, продемонстрировано формирование матрицы смежности уровня серого тона: на рис. 2 (а) показаны два исходных изображения, на 2 (b) ― гистограммы первого порядка; на рис. 2 (c) матрицы смежности уровней серого тона получены для исходных изображений. В заголовках строк и столбцов этих матриц указаны номера оттенка серого цвета. В каждую ячейку таблицы помещено количество горизонтальных пар пикселей, в которых пиксели с оттенком, указанным в заголовке строки и столбца этой ячейки, расположены относительно друг друга под углом 0º [41]. В дальнейшем математическими алгоритмами из полученных гистограмм интенсивностей и матриц смежностей уровня серого рассчитывается множество радиомических признаков для анализа и моделирования.

4. Анализ и моделирование: полученные радиомические признаки в зависимости от поставленного вопроса можно анализировать различными способами ― от статистических моделей до методов машинного обучения.

Учитывая большое количество данных, извлекаемых из изображений, первым этапом проводится отбор или сокращение признаков. Следует исключить невоспроизводимые признаки, поскольку они, скорее всего, приведут к ложным результатам построенных моделей [42, 43].

Второй этап ― многомерный анализ данных [31] и построение моделей трёх основных групп ― предиктивных, объяснительных и описательных [15]. Описательные модели используются для получения общей картины каждого признака, резюмируя основные его характеристики. Так, часто используемые для биомедицинских данных объяснительные методы сосредоточены на способности модели устанавливать связь между признаком и исходом, например, взаимосвязь текстурных характеристик матрицы совпадений уровня серого и морфологического типа РМЖ внутри области интереса. Формирование предиктивных моделей происходит с помощью методов машинного обучения: такие модели анализируют вероятность определённых исходов на основе полученных входных данных [15], например, радиомическая модель предсказания отсутствия ответа на неоадъювантную химиотерапию РМЖ. Качество и воспроизводимость результатов работы полученных моделей должны быть оценены перед применением в клинических условиях [31].

ОПЫТ, ВОЗМОЖНОСТИ И ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ МАММОГРАФИИ В РАДИОМИКЕ И РАДИОГЕНОМИКЕ РАКА МОЛОЧНОЙ ЖЕЛЕЗЫ

Распознавание злокачественного новообразования

Сложный и самый важный шаг в маммографии ― это разделение находок на маммограммах на доброкачественные и злокачественные [44]. В недавнем исследовании N. Mao и соавт. [45] было продемонстрировано, что использование количественных признаков совместно с ИИ может обеспечить большую диагностическую эффективность при использовании маммографии по сравнению с эффективностью выполнения диагностики опытными врачами-рентгенологами [15].

Процесс причисления микрокальцинатов к доброкачественному либо злокачественному процессу по изображениям всё ещё остаётся сложной задачей для врачей-рентгенологов [46]. На данный момент есть возможность проведения текстурного анализа изображений совместно с методами ИИ при обнаружении подозрительных кальцинатов с потенциальным уменьшением количества ненужных биопсий [47, 48].

Особенности паренхимы молочной железы могут отражать биологические факторы риска развития РМЖ. В работе H. Li и соавт. [49] было показано, что использование текстурных признаков, извлечённых из маммограмм поражённой и контралатеральной (с нормальной паренхимой) желёз, позволяет повысить точность цифровой маммографии в диагностике РМЖ. Исследования показывают, что радиомика с высокой чувствительностью и специфичностью позволяет классифицировать злокачественные новообразования молочной железы от доброкачественных [50].

Определение подтипов РМЖ

Исследования в области радиогеномики последних лет подтвердили корреляцию МР-признаков визуализации РМЖ с молекулярными подтипами ― люминальным A, люминальным B, HER2 и ТНРМЖ [51]. Хотя из маммографических изображений можно получить меньше информации, чем при магнитно-резонансной томографии (МРТ), на данный момент есть несколько исследований, в которых продемонстрированы возможности маммографии в радиомике и радиогеномике РМЖ. В исследовании W. Ma и соавт. [10] была показана возможность прогноза молекулярного подтипа РМЖ путём извлечения радиомических характеристик из маммографических изображений. Наиболее значимыми оказались следующие признаки: округлость, вогнутость, среднее значение уровня серого и корреляция. Результаты показали, что люминальные и ТНРМЖ обладают особенными текстурными признаками, в отличие от других подтипов, что позволяет количественно отличать их с помощью радиомики.

У некоторых пациенток с РМЖ использование неоадъювантной химиотерапии не даёт эффективного терапевтического ответа, что ведёт к задержке хирургического вмешательства, плохому прогнозу и увеличению затрат на лечение. Было показано, что использование радиомики совместно с независимыми клиническими факторами риска (например Ki-67 индекса, HER2 статуса) улучшает модель предсказания отсутствия ответа на неоадъювантную химиотерапию [52].

Раннее обнаружение с помощью медицинской визуализации более агрессивного подтипа РМЖ, а именно ТНРМЖ, позволит врачам назначать лечение до окончательного подтверждения биопсией [53]. В исследовании H.X. Zhang и соавт. [53] ТНРМЖ по сравнению с другими подтипами имел большую округлость и вогнутость; площадь под ROC-кривой (Receiver Operating Curve; классическая ROC-кривая: график зависимости чувствительности от специфичности [54]) использовалась для оценки точности этих двух признаков в дифференциации ТНРМЖ от других подтипов РМЖ и составила более 0,70 [53, 55]. В этом исследовании коэффициент асимметрии (гистограммный признак, отражающий асимметрию распределения значений относительно среднего) всех подтипов был менее 0 (отрицательная или левосторонняя асимметрия). Было показано, что значение коэффициента асимметрии ТНРМЖ ниже коэффициентов остальных исследуемых подтипов. Следовательно, вышеуказанные радиомические признаки можно рассматривать как потенциальные маркеры отличия ТНРМЖ от других подтипов РМЖ в будущем [53].

Прогнозирование развития РМЖ и возможность персонализированного скрининга

Технологии на основе радиомики помогут в развитии персонализированного скрининга, т.е. составления индивидуального плана скрининга для пациенток путём создания инструментов индивидуальной оценки риска и включения их в средства поддержки принятия решений при маммографическом скрининге, а также индивидуальных интервалов скрининга [56–58]. Известно, что более высокая плотность молочных желёз связана с бóльшим риском развития РМЖ [59]. Термин «плотность» означает степень ослабления рентгеновского излучения при прохождении через железу и отражает распределение фиброгландулярной ткани. Однако определение только лишь плотности не отражает всей сложности структуры желёз. Текстурные признаки, получаемые из изображений, были предложены в качестве маркеров изменений в паренхиме, которые указывают на связь с развитием РМЖ [57, 59]. В исследовании D. Kontos и соавт. [59] (2019) были выделены радиомические фенотипы, отражающие сложность паренхимы на маммограммах (помимо плотности) и имеющие независимую связь с РМЖ. В отличие от обычного определения плотности, текстурные признаки отразили едва различимую и более локализованную сложность паренхиматозного рисунка. Плотность молочных желёз была различна среди фенотипов низкой и средней сложности паренхимы, но схожа для других фенотипов. Интерес представляют полученные данные о фенотипе с наименьшей сложностью (сложность паренхимы) у женщин с высокой плотностью молочных желёз из-за большей их гомогенности, тогда как фенотип с низкой и средней степенью сложности паренхимы включал в себя незначительное количество изображений с высокой плотностью [59].

Предоперационное определение метастазов в подмышечных лимфатических узлах

Наиболее частая локализация метастазов РМЖ ― подмышечные лимфатические узлы. Статус подмышечных лимфатических узлов ― важный фактор для оценки общей и безрецидивной выживаемости пациенток с РМЖ [60]. Точное предоперационное определение статуса подмышечных лимфоузлов может предоставить врачам информацию для решения вопроса о необходимости проведения лимфодиссекции и назначении адъювантной терапии. В настоящее время статус определяется при помощи биопсии сторожевого лимфатического узла, что может привести к осложнениям, в частности повреждению кровеносных сосудов, нервов и развитию лимфедемы; а диагностика с помощью визуализационных методов имеет низкую чувствительность [60]. В работе J. Yang и соавт. [60] была разработана модель с включением извлечённых из маммограмм радиомических признаков, которая при сочетании с дополнительной клинико-патологической информацией способна служить неинвазивным методом для предоперационного определения метастазов в подмышечных лимфатических узлах.

ОГРАНИЧЕНИЯ ПРИМЕНЕНИЯ РАДИОМИКИ

Хотя радиомика и радиогеномика обладают большим потенциалом для развития персонализированной медицины, для этих технологий необходима валидация на независимом наборе данных для подтверждения их диагностической и прогностической ценности. Необходимо время для того, чтобы эти технологии приобрели существенное практическое значение в онкологических исследованиях, и ещё больше времени потребуется до начала применения их в клинической практике. Такие ограничения связаны с тем, что имеющиеся большие объёмы данных в настоящий момент не содержат полной характеристики пациентов [6]. Сложность воспроизводимости результатов радиомики связана с недостатками на каждом её этапе: на разном оборудовании и протоколах визуализации получаются разные текстурные признаки [61, 62]; золотой стандарт сегментации опухоли вручную требует много времени и зависит от оператора [63]; полу- и автоматическая сегментация, снижающие вариабельность [64, 65], не стандартизированы; между текстурными признаками существует очевидная повторяемость, что приводит к необходимости уменьшения размеров данных [66, 67]; нет чёткого объяснения, какова связь между единицей радиомики (базовым блоком текстуры) и тканями человека. В обстоятельствах, когда основная теория не ясна, а технические методы не стандартизированы, любые полученные «значимые» результаты исследований должны быть пересмотрены [68].

ПЕРСПЕКТИВА ИСПОЛЬЗОВАНИЯ МАГНИТНО-РЕЗОНАНСНОЙ ТОМОГРАФИИ В РАДИОМИКЕ РАКА МОЛОЧНОЙ ЖЕЛЕЗЫ

Накоплены убедительные данные о том, что МРТ молочных желёз превосходит в диагностической точности традиционные методы диагностики, такие как маммография [69]. Помимо выявления большего количества протокового рака in situ, МРТ молочных желёз часто меняет стадию онкологического процесса, что способствует оптимизации лечебного процесса.

Установлено, что радиомические признаки, извлечённые из МР-изображений молочных желёз, отражают гетерогенность опухоли, её васкуляризацию [70], позволяют дифференцировать протоковый рак от доброкачественного очага [71]. Существующие радиомические модели пока отстают от маммологов экспертного уровня по показателю площади под кривой (AUC) для дифференциальной диагностики доброкачественных и злокачественных очагов [72]. Однако показаны многообещающие результаты в выявлении подозрительных (BI-RADS 4 и 5) очагов с помощью радиомики диффузионно-взвешенных изображений [73].

Радиомика, по-видимому, может помочь в принятии клинических решений, потенциально избегая инвазивных вмешательств в подмышечной области. Два различных исследования показали, что радиомическая модель способна предсказывать метастазы сторожевых лимфатических узлов [74, 75], что имеет колоссальное клиническое значение.

Другое применение радиомики связано с индексом пролиферации Ki-67, который используется в качестве прогностического маркера при РМЖ [72]. Последние исследования изучали возможность прогнозирования экспрессии маркера пролиферации Ki-67 с помощью радиомики серий динамического контрастного усиления [76–79].

ЗАКЛЮЧЕНИЕ

Одна из ключевых концепций радиомики состоит в том, что лучевые диагностические изображения содержат данные, которые могут дать больше информации об области интереса, чем считалось ранее. Маммография ― наиболее эффективный метод для раннего обнаружения РМЖ. Маммографические изображения применимы для радиомического анализа, что может быть использовано для распознавания злокачественного новообразования, определения подтипов РМЖ, прогнозирования развития заболевания и ответа на лечение.

Технологии на основе радиомики, а именно в области маммографии, в будущем могут быть включены в средства поддержки принятия врачебных решений для определения стратегии индивидуального скрининга, наблюдения и, возможно, превентивной терапии. Однако необходимо учитывать, что радиомика находится на ранней стадии развития, и предстоит большой объём исследований перед началом клинического применения.

Маммография с применением радиомики позволяет получать важную диагностическую и прогностическую информацию о РМЖ, что обещает привести к снижению потребности в инвазивных и зачастую трудных для выполнения процедурах. Хотя методы на основе радиомики не заменят биопсию в ближайшем будущем, ожидая подкрепления новыми исследованиями, интеграция радиомики и радиогеномики в клиническую практику станет одной из важных и перспективных задач для достижения цели снижения смертности от РМЖ.

ДОПОЛНИТЕЛЬНО

Источник финансирования. Авторы заявляют об отсутствии внешнего финансирования при проведении поисково-аналитической работы и подготовке статьи.

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

Вклад авторов. В.Г. Говорухина, С.С. Семенов ― поиск публикаций по теме, анализ литературы, написание текста; П.Б. Гележе, В.В. Диденко ― поиск публикаций по теме, написание текста, экспертная оценка обзора литературы, С.П. Морозов, А.Е. Андрейченко ― определение основной направленности обзора, экспертная оценка обзора литературы, систематизация и финальное редактирование обзора. Авторы подтверждают соответствие своего авторства международным критериям ICMJE (все авторы внесли существенный вклад в разработку концепции, подготовку статьи, прочли и одобрили финальную версию перед публикацией).

Funding source. The authors declare that there is no external funding for the exploration and analysis work.

Competing interests. The authors declare no obvious and potential conflicts of interest related to the publication of this article.

Authors’ contribution. V.G. Govorukhina, S.S. Semenov ― search for publications on the topic, analysis of literature, writing a text; P.B. Gelezhe, V.V. Didenko ― search for publications on the topic, text writing, expert assessment of literature, S.P. Morozov, A.E. Andreychenko ― defining the main focus of the review, expert assessment of the literature review, systematization and editing of the review. All authors made a substantial contribution to the conception of the work, acquisition, analysis, interpretation of data for the work, drafting and revising the work, final approval of the version to be published and agree to be accountable for all aspects of the work.

Об авторах

Вероника Георгиевна Говорухина

Московский государственный университет имени М.В. Ломоносова

Email: govorukhinaver@gmail.com
ORCID iD: 0000-0002-1611-9618
SPIN-код: 7038-8580

MD

Россия, 127051, Москва, ул. Петровка, д. 24, стр. 1

Серафим Сергеевич Семенов

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы; Московский клинический научный центр имени А.С. Логинова Департамента здравоохранения города Москвы

Автор, ответственный за переписку.
Email: s.semenov@npcmr.ru
ORCID iD: 0000-0003-2585-0864
SPIN-код: 4790-0416

Врач-ординатор по направлению Рентгенология, инженер отдела медицинской информатики, радиомики и радиогеномики

Россия, Москва; Москва

Павел Борисович Гележе

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы

Email: gelezhe.pavel@gmail.com
ORCID iD: 0000-0003-1072-2202
SPIN-код: 4841-3234

кандидат медицинских наук

Россия, Москва

Вера Владимировна Диденко

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы; Городская клиническая онкологическая больница № 1

Email: didenko@npcmr.ru
ORCID iD: 0000-0001-9068-1273
SPIN-код: 5033-8376

MD

Россия, Москва; Москва

Сергей Павлович Морозов

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы

Email: morozov@npcmr.ru
ORCID iD: 0000-0001-6545-6170
SPIN-код: 8542-1720

доктор медицинских наук, профессор

Россия, Москва

Анна Евгеньевна Андрейченко

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы

Email: a.andreychenko@npcmr.ru
ORCID iD: 0000-0001-6359-0763
SPIN-код: 6625-4186

кандидат физико-математических наук

Россия, Москва

Список литературы

Дополнительные файлы